- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于小波和LNMF的人脸特征提取方法研究.pdf
鼹 毒麟
蓥 渡 鳓 糖餐攫联 臻
● 武汉理工大学 自动化学院。武汉.430070 张紊文 邓婉尹
键词
近几年随着电子商务等应用的发展,人脸识别 化具有一定的不变性,同时也保留了空间位置信息。
成为最有潜力的生物身份验证手段。而对人脸特征 这样,既能捕获到人脸的实质特征,同时也有效地降
的提取,这一人脸识别过程中最重要的环节,人们也 低了计算复杂性。实验结果显示采用基于小波和
提出了大量的方法,主要分为基于几何特征和基于 LNMF方法能有效的提高计算效率,同时提取到的
统计特征两大类。由于几何特征的提取对光照、表 基图像的空间特征局部化特点也更加明显。
情、姿态等变化非常敏感,所以近年来人们大多数是
采用基于统计特征的方法。其中用的最多的是子空 1 基于小波变换的人脸图像分解
问分析技术,它通过对选定的人脸图像进行学习使
人脸模型得到定义,同时,实现人脸图像高维空间的 小波变换是一种信号的时频分析方法,通过小
低维特征提取。目前在人脸识别中得到成功应用的 波变换,图像信号被分解成许多具有不同空间分辨
线性子空间方法有:主成分分析(PCA)和独立成分 率、不同频率特性和方向特性的子带图像信号。由于
分析(ICA)。但由于PCA和ICA的基图像的像素点 人脸表情变化和少许遮掩只影n向图像高频部分的变
可以是正值也可以是负值,所以这二种表示方法都 化,不影响人脸的低频部分,而小波变换具有完善的
缺少直观意义上的由部分合成整体的效果。 重构能力,保证信息在分解过程中不丢失,也不产生
1997年,Lee和Seung在一篇关于无监督学习 冗余,因此在特征提取前可以先用小波分析的方法
的文章中独立的提出了非负矩阵分解Non—negative 滤掉高频信息,仅采用低频子图来进行识别。
matrix factorizatiofi(NMF)的概念。由于NMF对基图 给定平方可积的信号f(t),~Jf(t)∈ ( ),则
像的像素点和用于重建的系数都施加了非负性约 f(t)的连续小波变换定义为:
束,使得重建图像是由基图像非减的叠加组合而成, r 一
6)=J ) (£)dt (1)
使重建过程更接近于由部分组合而成为整体的过
程。文献[2]在经典NMF算法的基础上,通过增强正 这里,小波基函数 )= (_t二 )a,b均
交性,尽可能的降低了基图像之间的相关性,这就使 、/a a
得权值分布较为集中,权值矩阵稀疏性很好。 为常数,且a0 (2)
本文提出的基于小波和LNMF的人脸特征提 如果取尺度a=2“,b∈Z可实现对式(1)的离散
取方法,首先应用小波变换抽取特征,对人脸进行低 化。这样就可以利用金字塔算法在计算机中实现小
维表达,在很大程度上克服了人脸姿态变化、表情变 波变换。
化和头饰变化对人脸识别的影响,对于细微表情变 本文使用DB6小波作为小波基函数先对人脸
屯蚤迦
ELECTRON
文档评论(0)